15 de septiembre de 2025: en un análisis histórico del despliegue de la inteligencia artificial, el último informe del Índice Económico de Anthropic destaca la velocidad de adopción sin precedentes de la tecnología al tiempo que subraya las marcadas disparidades geográficas y sectoriales. A partir de una gran cantidad de datos sobre el uso de Claude.ai y el tráfico de API empresarial, el informe documenta cómo la IA está transformando los flujos de trabajo en zonas concentradas, lo que genera preocupaciones sobre una posible divergencia económica si los patrones actuales persisten.
El estudio, titulado “Adopción desigual de IA empresarial y geográfica”, se basa en iteraciones anteriores al incorporar desgloses geográficos en más de 150 países y todos los estados de EE. UU., junto con un examen pionero del uso de API propias (1P). Esta expansión permite a los investigadores rastrear no solo los patrones de los consumidores, sino también cómo las empresas están integrando programáticamente modelos de inteligencia artificial de vanguardia como Claude en sus operaciones. Los hallazgos del informe se basan en datos anónimos y agregados de millones de interacciones, asignados a taxonomías ocupacionales como O*NET, y enfatizan la naturaleza dual de la IA como herramienta de automatización y como potenciador de la productividad.
En el centro del informe está la observación de que el despliegue de la IA se está acelerando más rápido que los precedentes históricos. En Estados Unidos, el uso de la IA por parte de los empleados en el trabajo casi se ha duplicado, pasando del 20% en 2023 al 40% en septiembre de 2025, según datos de Gallup citados en el informe. Este aumento supera la difusión de tecnologías transformadoras como la electricidad, que tardó más de 30 años en llegar a los hogares rurales de Estados Unidos después de su adopción urbana, o las computadoras personales, que necesitaron dos décadas para penetrar en la mayoría de los hogares después de su debut en 1981. Incluso Internet, a menudo aclamada por su rápida difusión, necesitó unos cinco años para alcanzar niveles de penetración similares.
Tal velocidad surge de las ventajas inherentes de la IA: su amplia aplicabilidad en todas las tareas, su perfecta integración con las herramientas digitales existentes e interfaces intuitivas que no requieren capacitación especializada, simplemente escribir o hablar. El informe atribuye un mayor impulso a los rápidos avances en los modelos de frontera, que amplían continuamente las capacidades y atraen a una base de usuarios más amplia. Sin embargo, este entusiasmo inicial enmascara concentraciones subyacentes: el uso de la IA sigue centrado en un conjunto limitado de tareas dentro de las empresas y está agrupado geográficamente, haciendo eco de patrones observados en las innovaciones del siglo XX, pero comprimidos en cronogramas más cortos.
Para cuantificar esta dinámica, el informe presenta el Índice de uso antrópico de IA (AUI), una métrica que compara los volúmenes de conversaciones de Claude.ai con las poblaciones en edad de trabajar en regiones específicas. Este índice revela una fuerte correlación entre la adopción de IA per cápita y los niveles de ingresos económicos, lo que indica riesgos potenciales para la desigualdad global. Los países de altos ingresos como Singapur y Canadá lideran con puntuaciones AUI de 4,6 veces y 2,9 veces el uso esperado, respectivamente, según el tamaño de la población. En contraste, las economías emergentes están significativamente rezagadas: Indonesia registra 0,36 veces el uso esperado, India 0,27 veces y Nigeria sólo 0,20 veces.
Dentro de Estados Unidos, los puntos críticos de adopción reflejan las fortalezas económicas locales. Washington, D.C., encabeza la lista con 3,82 veces el uso esperado, impulsado por las demandas en edición de documentos y asistencia profesional en medio de su centro de políticas y servicios profesionales. Utah le sigue de cerca con 3,78 veces, beneficiándose de un ecosistema tecnológico floreciente. California exhibe elevadas aplicaciones relacionadas con TI, mientras que Florida ve una mayor dependencia de tareas de servicios financieros. Estas variaciones regionales ilustran cómo la implementación de la IA se adapta a las necesidades sectoriales, con la codificación dominando en áreas con mucha tecnología y las funciones administrativas prominentes en las orientadas a servicios.
Al profundizar en los patrones de uso, el informe muestra una evolución en las interacciones de Claude.ai durante los últimos ocho meses, coincidiendo con actualizaciones de modelos y mejoras de funciones. La codificación sigue siendo la categoría más grande con un 36% del uso total, lo que subraya el papel de la IA en el desarrollo de software. Sin embargo, las aplicaciones no técnicas están ganando terreno: las tareas educativas han aumentado del 9,3% al 12,4%, lo que refleja que los estudiantes y profesionales aprovechan la IA para el aprendizaje y la investigación. Las tareas científicas también han aumentado del 6,3% al 7,2%, lo que apunta a una creciente integración en el análisis de datos, simulaciones y pruebas de hipótesis.
Un cambio notable es el aumento de las conversaciones “directivas”, donde los usuarios delegan tareas completas a Claude en lugar de participar en intercambios iterativos. Estas interacciones orientadas a la automatización han aumentado del 27% al 39% de las sesiones. Dentro de la codificación, esto se manifiesta como un aumento de 4,5 puntos porcentuales en la creación de programas y una disminución de 2,9 puntos porcentuales en las solicitudes de depuración, lo que sugiere que los usuarios están logrando resultados de manera más eficiente en interacciones únicas. Esta tendencia se alinea con la maduración de la IA, lo que permite una mayor autonomía y reduce la necesidad de recursos humanos.supervisión en procesos rutinarios.
Las disparidades geográficas se extienden más allá de las tasas brutas de adopción hasta la diversidad y el estilo de uso. En países con un AUI bajo, como India, la codificación representa más del 50% de las interacciones, superando con creces el promedio mundial de alrededor de un tercio, lo que indica un enfoque limitado en aplicaciones técnicas en medio de un acceso limitado a herramientas más amplias. Por el contrario, las regiones con alta adopción muestran carteras más variadas: las tareas de educación, ciencia y negocios reclaman cada una participaciones significativas, lo que fomenta ganancias integrales de productividad.
Después de ajustar la composición de las tareas, el informe descubre modos de colaboración divergentes. Las áreas con AUI baja se inclinan hacia la automatización, y los usuarios transfieren con mayor frecuencia tareas completas a la IA. Sin embargo, las regiones con alta AUI favorecen el aumento (patrones que involucran aprendizaje, iteración y trabajo en equipo entre humanos e IA) que pueden amplificar el desarrollo de habilidades y la innovación a largo plazo. Esta bifurcación plantea preocupaciones sobre la equidad: si bien la automatización racionaliza la eficiencia en entornos con recursos limitados, el aumento en áreas prósperas podría ampliar las brechas de conocimiento y las divisiones económicas.
Pasando a contextos empresariales, el informe proporciona una visibilidad sin precedentes del tráfico API 1P, que representa el acceso programático a Claude por parte de empresas y desarrolladores. A diferencia de Claude.ai, basado en chat, el uso de API revela implementaciones especializadas y escalables. La codificación nuevamente domina, pero los patrones de API divergen: muestran concentraciones más altas en codificación y tareas administrativas/de oficina, mientras que Claude.ai se inclina hacia actividades educativas y de escritura. Esto refleja que las empresas dan prioridad a la automatización backend sobre la creatividad orientada al consumidor.
La automatización prevalece en los escenarios API y comprende el 77% de los usos comerciales en comparación con aproximadamente el 50% en Claude.ai. La interfaz programática facilita una integración perfecta en los flujos de trabajo, como generar informes o procesar datos sin la intervención del usuario. Sin embargo, el informe señala que el costo no parece ser una barrera principal; Las tareas utilizadas con frecuencia suelen generar mayores gastos debido a las demandas computacionales, lo que indica una baja sensibilidad al precio. En cambio, las decisiones de implementación dependen de las capacidades del modelo y del valor tangible de automatizar funciones específicas, como la reducción del trabajo manual en dominios de alto riesgo.
Un cuello de botella clave identificado es la curación de datos contextuales. Para aplicaciones empresariales complejas, como el análisis legal o la optimización de la cadena de suministro, la eficacia de la IA depende de proporcionar un contexto rico y relevante. El informe sugiere que muchas empresas enfrentan obstáculos en la modernización de datos y la reestructuración organizacional para suministrar este insumo, lo que podría frenar una adopción más amplia. Las inversiones en estas áreas podrían liberar el potencial de la IA en sectores sofisticados, pero representan costos iniciales significativos, particularmente para las empresas más pequeñas.
Estos conocimientos se ven reforzados por el acceso abierto de su conjunto de datos del informe, un compromiso con la transparencia que invita a un escrutinio independiente. El lanzamiento incluye clasificaciones a nivel de tarea para datos de Claude.ai y 1P API, desgloses de colaboración y detalles geográficos para el uso del consumidor. Los investigadores ahora pueden explorar preguntas urgentes: ¿Cómo afecta la adopción de la IA a los mercados laborales locales? ¿Qué políticas pueden democratizar el acceso en regiones de baja adopción? ¿El costo de la tarea influye en las estrategias empresariales y qué perfiles de trabajadores se benefician más de la automatización frente al aumento?
Históricamente, las tecnologías transformadoras como la electrificación y el motor de combustión interna impulsaron el crecimiento económico moderno, pero inicialmente exacerbaron las desigualdades globales, como lo documentan los trabajos de los economistas Robert Gordon y Lant Pritchett. La IA corre el riesgo de seguir una trayectoria similar: si los aumentos de productividad se acumulan principalmente en las economías con alta adopción, las tendencias recientes de convergencia del crecimiento –evidenciadas por estudios de Michael Kremer y otros– podrían revertirse, afianzando las divisiones entre las naciones ricas y emergentes.
Dentro de las empresas, la adopción desigual de tareas podría remodelar el panorama laboral. La automatización puede desplazar los roles de nivel básico en codificación o administración, al tiempo que aumenta el conocimiento organizacional de los trabajadores experimentados, lo que potencialmente eleva los salarios de estos últimos. El informe cita investigaciones de David Autor y otros sobre la difusión de tecnología, enfatizando que las concentraciones tempranas a menudo preceden a una transformación generalizada a medida que surgen innovaciones complementarias.
El análisis de Anthropic llega en un momento crucial, a medida que modelos de frontera como Claude continúan evolucionando. Los autores del informe, encabezados por Ruth Appel, Peter McCrory y Alex Tamkin, enfatizan que si bien el progreso técnico es inevitable, los resultados sociales dependen de decisiones deliberadas. Los formuladores de políticas podrían promover el acceso equitativo a través de inversiones en infraestructura, subsidios para herramientas de datos en regiones en desarrollo o programas educativos que combinen la alfabetización en IA con habilidades humanas.
Mientras tanto, los líderes empresariales se beneficiarán si abordan tempranamente las barreras contextuales. Modernizando los canales de datos y foAl fomentar la colaboración entre humanos e IA, las empresas pueden extender la IA más allá de los silos de codificación a operaciones diversas, mejorando la competitividad. Las conclusiones del informe sobre la débil sensibilidad a los precios sugieren que a medida que avancen las capacidades, es probable que se acelere la adopción, pero se necesitan intervenciones específicas para garantizar la inclusión.
De cara al futuro, Anthropic planea un seguimiento continuo de estos patrones, proporcionando anclajes empíricos para navegar los efectos económicos de la IA. Como tercera entrega del Índice Económico, esta edición amplía el marco con conocimientos de API y granularidad global, subrayando el doble potencial de la tecnología: amplificar la prosperidad o profundizar las disparidades.
En las observaciones finales, los autores advierten que “los efectos económicos de la IA transformadora estarán determinados tanto por las capacidades técnicas como por las decisiones políticas que tomen las sociedades”. La historia demuestra que las trayectorias de adopción son maleables y evolucionan con la madurez, las innovaciones y la implementación intencional. Los patrones concentrados actuales pueden ampliarse, capturando todo el potencial de productividad de la IA en todos los sectores y fronteras. Sin embargo, las medidas proactivas actuales, desde la promoción pública hasta la estrategia corporativa, definirán si la IA fomenta la convergencia o la divergencia en la economía global.
Este informe no solo arroja luz sobre las tendencias actuales, sino que también equipa a las partes interesadas con herramientas basadas en datos para influir en la trayectoria de la IA. A medida que se intensifique la adopción, la interacción de la geografía, las necesidades empresariales y los modos de uso serán fundamentales para aprovechar la IA para lograr un crecimiento equitativo.
